“AI PM으로 전환하고 싶은데, 어떤 준비가 필요할까?”

많은 PM들이 고민하는 질문입니다.

이 글은 미국 실리콘밸리 AI 스타트업 피닉스랩에서 제약 회사 대상 AI 제품 '케이론(Cheiron)'의 Product Lead를 맡고 있는 윤재식 PM의 실제 경험을 바탕으로 작성되었습니다.

AI 제품, 왜 다르게 접근해야 할까?

일반적인 IT 제품은 예측 가능합니다.

같은 입력에는 항상 같은 출력이 나오죠. 하지만 AI는 확률적으로 작동합니다.

동일한 프롬프트를 입력해도 결과가 매번 달라집니다.

평균적으로는 7점대 성능을 내지만, 가끔 0점짜리 답변이 튀어나오기도 합니다. 문제는 이 한 번의 실패가 사용자 신뢰를 완전히 무너뜨린다는 점입니다.

그래서 AI PM은 단순히 평균 성능을 높이는 것뿐 아니라, 최악의 케이스를 얼마나 줄일 수 있는지 설계해야 합니다. 마치 사람을 채용해서 교육하고 평가하듯, AI를 위한 업무 가이드를 만들고 퍼포먼스를 관리하는 HR적 사고가 필요합니다.

1. 숫자 너머를 읽는 '컨텍스트 파악 능력'

과거에는 PM에게 SQL 활용 능력이나 데이터 대시보드 분석 스킬을 많이 요구했습니다. 하지만 AI 제품에서는 단순 데이터 분석만으로는 부족합니다.

윤재식님은 “데이터 이해력보다는 컨텍스트 이해력이 더 필요한 시점”이라고 말합니다.

AI는 확률 기반으로 작동하기 때문에, 사용자가 받은 답변에 대한 만족도 데이터 자체가 이미 편향되어 있습니다. 똑같은 숫자를 보고도 해석이 완전히 달라질 수 있죠.

그래서 중요한 건 숫자 자체가 아니라, 그 숫자가 만들어진 맥락입니다.

• 사용자가 어떤 상황에서 이 질문을 했는가?
• 왜 이런 반응이 나왔는가?
• 제품의 불안정성 때문인가, 실제 니즈 불일치 때문인가?

특히 초기 단계에서는 극단값을 보이는 사용자들을 직접 샘플링해서 정성 분석하는 과정이 필수입니다.

2. 두 배 빠른 '도메인 학습 속도'

현재 다른 분야와는 달리 AI 분야에서는 모두가 초보자입니다.

과거 IT 제품은 '제품을 만드는 방식' 자체에 어느 정도 공통 분모가 있었습니다. PM이라면 기본적으로 알고 있는 프로덕트 개발 프로세스가 존재했죠.

하지만 AI 제품은 개발 방식 자체가 완전히 새롭습니다.

그래서 재식님은 “도메인 학습 속도 요구치가 체감상 2배”라고 표현합니다.

AI 기술 도메인 학습 + 새로운 산업 도메인 학습 = 2배 학습!!

2가지를 동시에 빠르게 습득해야 합니다.

더 흥미로운 점은, 빠르게 학습해서 앞서갔다고 느끼는 순간 또 다른 신기술이 등장한다는 것입니다. 모두가 같은 출발선에 서 있기 때문에, 학습 속도 자체가 곧 경쟁력입니다.

+AI PM으로의 전환을 고민 중이라면, 실제 이직 성공 사례와 구체적인 준비 전략을 확인해보세요.

3. 여러 언어를 번역하는 ‘Crossfuntional 조율 능력'

AI 제품은 혼자 만들 수 없습니다. ML 엔지니어, 데이터 사이언티스트, 백엔드/프론트엔드 개발자, 프롬프트 엔지니어 등 다양한 직군이 협업해야 합니다.

문제는 이들이 각자 다른 전문 언어로 소통한다는 점입니다.

예를 들어 피닉스랩의 케이론 팀의 경우:

1. 제약 도메인 전문가가 업무 프로세스를 설명하면
2. AI 엔지니어가 학습 가능한 형태로 설계하고
3. 개발팀이 실제 제품으로 구현합니다

PM은 이 전체 과정에서 각 직군의 언어를 이해하고, 서로 다른 관점을 하나의 제품으로 통합하는 역할을 해야 합니다.

과거 다양한 직무 조직을 직접 구성해본 경험이 있다면, 각 직군이 어떻게 일하고 어떤 성과 지표를 중요하게 보는지 이해하고 있어 이 부분에서 강점을 발휘할 수 있습니다.

*이 글은 실리콘밸리 AI 스타트업케이론 팀 윤재식 PM의 실제 인터뷰를 재구성한 것입니다.

캔디드 블로그에서는 더 다양한 이직 인사이트를 확인할 수 있습니다.